Vocês sabem o que são as redes neurais artificiais (RNAs)?
As RNAs são uma aproximação simplificada dos neurônios e redes biológicas. As redes são formadas por sistemas computacionais paralelos constituídos de diversas unidades de processamento simples (neurônios artificiais), interligados de forma específica para executar tarefas estipuladas.
Assim, os valores de entrada são os dentritos; os pesos sinápticos são os efeitos de inibição e excitação sobre a ativação dos sinais de entrada e de saída; o corpo do neurônio é o local onde as informações são coletas e combinadas; a função de ativação regula a saída da rede; e a saída (axônio) é o resultado.
A sua estrutura é conhecida também pela sua arquitetura, que é a quantidade de neurônios por camada (sendo que os neurônios da mesma camada não possuem ligação) e a topologia que define a forma como os neurônios irão se conectar.
A RNA também passa por uma definição de método de determinação dos parâmetros livres da rede, que são chamados de algoritmo de aprendizagem ou treinamento.
A rede é composta de três tipos diferentes de camadas: a de entrada, a oculta ou intermediária e a de saída.
A camada de entrada recebe as informações do problema, sendo número de neurônios dessa camada correspondentes as diferentes variáveis. Essas variáveis podem qualitativas ou categóricas.
A camada intermediária extrai características do banco de dados, e o número de neurônios que a compõe, é encontrado em função do número de variáveis de entrada contínuas, somado ao total de níveis das variáveis categóricas.
E a camada de saída é responsável pela resposta final da rede. O número de saídas depende do que se deseja encontrar de resposta e as conexões entre os neurônios de cada camada são os pesos.
As redes começaram a ser utilizadas em 1943, por um neurofisiologista e um matemático, onde faziam analogia entre células vivas e o processo eletrônico, que simulava o neurônio biológico com uma única saída.
As RNAs são aplicadas em diversas áreas do conhecimento: para a aproximação de funções, previsão de séries temporais, classificações e reconhecimento de padrões. No Google, por exemplo são utilizadas como ferramenta de busca e reconhecimento de faces, na medicina, através de análise de doenças por imagens. Na Engenharia Florestal para avaliação de doenças nos plantios, reconhecimento de variação dentro das espécies, identificação de áreas, estudo de patologias e em diversas aplicações em manejo florestal.
Como as RNAs são utilizadas no Manejo Florestal?
O Manejo Florestal tem por objetivo obter principalmente produtos madeireiros, e, além disso, os benefícios dos serviços ambientais, de modo sustentável.
Para uma eficiente exploração dos recursos florestais madeireiros, é necessário conhecer o estoque em crescimento e de colheita, que é estimado através da medição de características das árvores e da área do plantio.
São utilizados diferentes métodos para a quantificação de volume de madeira atual e futuro em povoamentos florestais, envolvendo basicamente a modelagem, por regressão ou por técnicas de inteligência computacional, como as redes neurais artificiais.
No decorrer dos últimos anos iniciou-se o emprego de inteligência computacional, como redes neurais artificiais para modelagem e prognose da produção. Estudos que foram conduzidos em monoculturas de eucalipto, têm resultado em avanços importantes, redução de custos e ganho de exatidão.
A aplicação das redes para as resoluções dos problemas enquadra-se nas tarefas de aprendizagem, aproximação de função, agrupamento de dados, recuperação de conteúdo, classificação de padrões predição, otimização e controle.
As RNA têm mostrado um desempenho bastante eficiente e já vem sendo utilizada em várias empresas brasileiras do setor florestal para estimar volume da madeira, altura da árvore e densidade e modelagem do crescimento, dentre muitas outras aplicações.
Estudos na área de RNA vem sendo desenvolvidos por diversas razões: pela capacidade de adaptabilidade da rede treinada em atuar em ambientes específicos, com a possibilidade de ser retreinada para adaptar as modificações necessárias; por operar em espaço não estacionário; por poder ser projetada para mudar seus pesos em tempo real, por tolerar falhas e ruídos; por realizar aprendizagem e generalização a partir de dados de treinamento; e por possuírem um paralelismo maciço que as tornam muito eficientes e uniformes.
Para manejar uma floresta equiânea é necessário conhecimento sobre os seus três elementos essenciais, sendo ele a classificação de terras, o estabelecimento de prescrições e a prognose.
Por isso, qualquer desenvolvimento de pesquisa em alguma dessas áreas contribuirá para um melhor manejo florestal e a aplicabilidade de RNA em manejo de florestas equiâneas, vem sendo incipiente e promissora.
Veja também:
- Manejo Florestal Comunitário
- Manejo Florestal de Precisão
- Manejo Florestal Sustentável e a sua importância
__________ xxx __________
